【人工智能】机器学习 -- 决策树（乳腺肿瘤数）

news2024/9/20 16:42:30

一、使用Python开发工具，运行对iris数据进行分类的例子程序dtree.py，熟悉sklearn机器实习开源库。

二、登录https://archive-beta.ics.uci.edu/

三、使用sklearn机器学习开源库，使用决策树对breast-cancer-wisconsin.data进行分类。

1. Python代码

2. 运行截图

一、使用Python开发工具，运行对iris数据进行分类的例子程序dtree.py，熟悉sklearn机器实习开源库。

导入相应的库并运行dtree.py，由于sklearn库里面已经有iris数据了，故不需要另外下载。

1. dtree.py

# import inline
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import tree
import matplotlib


# %matplotlib inline

# 生成所有测试样本点
def make_meshgrid(x, y, h=.02):
    x_min, x_max = x.min() - 1, x.max() + 1
    y_min, y_max = y.min() - 1, y.max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    return xx, yy


# 对测试样本进行预测，并显示
def plot_test_results(ax, clf, xx, yy, **params):
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    ax.contourf(xx, yy, Z, **params)


# 载入iris数据集
iris = datasets.load_iris()
# 只使用前面连个特征
X = iris.data[:, :2]
# 样本标签值
y = iris.target

# 创建并训练决策树
clf = tree.DecisionTreeClassifier()
clf.fit(X, y)

# 打印决策树
tree.plot_tree(clf)

title = 'DecisionTreeClassifier'

fig, ax = plt.subplots(figsize=(5, 5))
plt.subplots_adjust(wspace=0.4, hspace=0.4)

X0, X1 = X[:, 0], X[:, 1]
# 生成所有测试样本点
xx, yy = make_meshgrid(X0, X1)

# 显示测试样本的分类结果
plot_test_results(ax, clf, xx, yy, cmap=plt.cm.coolwarm, alpha=0.8)
# 显示训练样本
ax.scatter(X0, X1, c=y, cmap=plt.cm.coolwarm, s=20, edgecolors='k')
ax.set_xlim(xx.min(), xx.max())  # 设置x轴坐标的范围，范围由测试样本的最小和最大值确定
ax.set_ylim(yy.min(), yy.max())  # 设置y轴坐标的范围
ax.set_xlabel('x1')  # 设置x轴的标签为'x1'
ax.set_ylabel('x2')  # 设置y轴的标签为'x2'
ax.set_xticks(())  # 将x轴的刻度设置为空，即不显示刻度
ax.set_yticks(())  # 将y轴的刻度设置为空，即不显示刻度
ax.set_title(title)  # 设置图形的标题为title变量的值
plt.show()